4.

Variveis Aleatrias Bidimensionais

Em muitos experimentos, as observaes so expressas,
no como uma nica quantidade, mas como um conjunto
de quantidades. Por exemplo, observar o peso e a altura de
pessoas em uma comunidade ou a chegada de pessoas em
uma fila de banco e o tempo de permanncia. Para se
descrever tais eventos h necessidade de se considerar
v.a.s bidimensionais. Sejam X e Y duas v.a.s
associadas a um dado modelo probabilstico (, F, P).
x2
Ento
P(x1 < X x2 ) = FX ( x2 ) FX ( x1 ) =

P( y1 < Y y2 ) = FY ( y2 ) FY ( y1 ) =

x1

y2

y1

f X ( x)dx,

f Y ( y)dy.

O que dizer a respeito da probabilidade do par de v.a.s

(X,Y) em uma dada regio D? Em outras palavras, como
estimar a probabilidade, P[( x1 < X x2 ) ( y1 < Y y2 )]?
Define-se ento a funo distribuio de probabilidade
conjunta de X e Y como:
FXY ( x, y) = P[( X x) (Y y)] = P( X x, Y y) 0,

onde x e y so nmeros reais arbitrrios.

Propriedades
(i) FXY (, y) = FXY ( x,) = 0, FXY (+,+) = 1.

(X

, Y y ) (X ) ,

(X +, Y +) = ,

Como,

FXY (, y) P(X ) = 0.

FXY (, ) = P() = 1.

(ii)

P(x1 < X x2 , Y y ) = FXY ( x2 , y) FXY ( x1 , y).

P(X x, y1 < Y y2 ) = FXY ( x, y2 ) FXY ( x, y1 ).

Prova: Se x2 > x1,

(X x2 , Y y ) = (X x1, Y y ) (x1 < X x2 , Y y )
Como os eventos so mutuamente exclusivos:
P(X x2 , Y y ) = P(X x1 , Y y ) + P(x1 < X x2 , Y y )
iii) P(x1 < X x2 , y1 < Y y2 ) = FXY ( x2 , y2 ) FXY ( x2 , y1 )
FXY ( x1 , y 2 ) + FXY ( x1 , y1 ).

(x1 < X x2 ,Y y2 ) = (x1 < X x2 ,Y y1 ) (x1 < X x2 , y1 < Y y2 ).

P(x1 < X x2 , Y y2 ) = P(x1 < X x2 , Y y1 ) + P(x1 < X x2 , y1 < Y y2 )
Y

y2

R0

y1

x1

x2

Funo Densidade de Probabilidade Conjunta

Por definio a funo densidade de probabilidade conjunta
de X e Y dada por:
2 F ( x, y )
f XY ( x, y ) =

Ento

FXY ( x, y ) =
+

XY

x y

f XY (u, v ) dudv.

f XY ( x, y ) dxdy = 1.

Para encontrar a probabilidade de (X,Y) ser encontrada em

uma regio arbitrria D, dada por:
P(x < X x + x, y < Y y + y ) = FXY ( x + x, y + y )
FXY ( x, y + y ) FXY ( x + x, y) + FXY ( x, y )
=

x + x
x

y + y
y

f XY (u, v)dudv = f XY ( x, y )xy.

Assim a probabilidade de que (X,Y) seja encontrado em um

retngulo diferencial x y igual a f XY ( x, y) xy, e
repetindo este procedimento sobre a unio de todos os
retngulos diferenciais que no se sobrepem em D, resulta
em
P(( X , Y ) D ) =
f XY ( x, y )dxdy.
( x , y )D
Y

y
x

iv) Distribuies marginais

No contexto de v.a.s n-dimensionais a distribuio
individual de cada uma chamada de distribuio marginal.
Assim f X (x ) a f.d.p marginal de X, e FX (x ) a F.D.P.
marginal de X. interessante notar que as distribuies
marginais podem ser obtidas da distribuio conjunta 5

FX ( x) = FXY ( x,+), FY ( y) = FXY (+, y).

f X ( x) =

f XY ( x, y )dy , fY ( y ) =

f XY ( x, y )dx.

Para provar usa-se a identidade ( X x ) = ( X x ) (Y +)

FX ( x) = P(X x ) = P(X x,Y ) = FXY ( x,+).

FX ( x ) = FXY ( x,+) =

f XY (u, y ) dudy

Derivando ambos os lados em relao a x, tem-se:

f X ( x) =

f XY ( x, y )dy.

Lembrando que, se H ( x ) =

b( x )
a( x)

h( x, y )dy.

b ( x ) dh ( x, y )
dH ( x ) db( x )
da ( x )
=
h ( x , b)
h ( x, a ) +
dy.
a
(
x
)
dx
dx
dx
dx

Se X e Y so v.a.'s discretas, ento pij = P( X = xi , Y = y j )

representa a f.d.p. conjunta de X e Y e as suas respectivas
f.d.p.s marginais so dadas por:
P( X = xi ) = P( X = xi , Y = y j ) = pij
j

P(Y = y j ) = P( X = xi , Y = y j ) = pij
i

Supondo que P( X = xi , Y = y j ) escrito como um arranjo

retangular, como mostrado abaixo,
p

ij

ij

p11

p12

p1 j

p1n

p21
"

p22
"

!
"

p2 j !
"
"

p2 n
"

pi1

pi 2

pij

pin

"
pm1

"
"
pm 2 !

"
"
pmj !

"
pmn
7

Exemplo 4.1: Dado que

c,
f XY ( x, y ) =
0,

0 < x < y < 1,

outros valores.

Obtenha as f.d.p.s marginaisf X (x ) e fY ( y ).

Soluo: A f.d.p. conjunta de X e Y f XY ( x, y ) uma constante
na regio cheia. Em primeiro lugar determina-se o valor da
Y
constante
c, usando
+ +
1
y

f XY ( x, y )dxdy =

y = 0

cy
cydy =
y =0
2
1

f X ( x) =

fY ( y ) =

c dx dy =
x =0

c
= =1
2

f XY ( x, y )dy =

c=2
1
y=x

f XY ( x, y )dx =

2dy = 2(1 x ), 0 < x < 1,

y
x =0

2dx = 2 y, 0 < y < 1.

8

Exerccio 4.2: Considere duas variveis aleatrias discretas X e Y, cuja funo

densidade de probabilidade conjunta dada por:
Y

1/8

1/16 1/32 1/32

1/16 1/8

1/16 1/16 1/16 1/16

1/4

1/32 1/32
0

Determine:
As fdps marginais de X e Y :
P(X=4) ]

0
fX(x) = [ P(X=1) P(X=2) P(X=3)

fX(x) = [(1/8 + 1/16 + 1/32 + 1/32) (1 /16 + 1/8 + 1/32 + 1/32) (1/16 + 1/16 +
1/16 + 1/16) (1/4 ) ] = [ 8/32 8/32 8/32 1/4 ] = [ 1/4 1/4 1/4 1/4 ]
9

fY (y) = [8/16 4/16 4/32 4/32 ] = [ 1/2 1/4 1/8 1/8 ]

b) P(X>2), P(Y< 2), P(Y2/X>2 ),

P(Y>2/X=1), P(X = Y)
fX(x) = [ 1/4 1/4 1/4 1/4 ]
fY(y) = [ 1/2 1/4 1/8 1/8 ]

1/8

1/16 1/32 1/32

1/16 1/8

1/16 1/16 1/16 1/16

1/4

1/32 1/32
0

1. P(X > 2) = 1/2

2. P(Y <2) = 1/2 = 1 P(Y 2)
3. P(Y2 / X>2 ) = P(Y2, X>2 ) / P(X>2) = (3/8) / (1/2) = 6/8
4. P(Y>2 / X=1 ) = P(Y>2, X=1 ) / P(X=1) = (1/16) / (1/4) = 1/4
5. P(X = Y) = (1/8 + 1/8 + 1/16 + 0) = 5/16
10

Exemplo 4.3: X e Y so denominadas de v.as

conjuntamente Gaussianas se a f.d.p conjunta, tem a
seguinte forma:
f XY ( x, y ) =

1
2 X Y 1 2

1 ( x X ) 2 2 ( x X )( y Y ) ( y Y ) 2

+
2
XY
2 (1 ) X2
Y2

< x < +, < y < +, | |< 1.

Determine f X (x ) e fY ( y ) . Soluo:
Tomando-se o expoente e completando-se o quadrado
2
2
2
2
2
(x X )2
2
(x

)(y

)
(y

(y

(y

)
X
Y
Y
Y
Y

+
X Y
2( 1 2 ) 2X
Y2
Y2
Y2

(y Y )2 2(y Y )2
(y Y )
1 (x X )
1

2
2
2

Y
2( 1 ) X
Y
Y2
2( 1 )
1
2( 1 2 ) 2
X

(y

)
( 1 2 )
Y

( y Y )
2
2( 1 )
Y2 11

1 (y Y )2
X
1

(y

)
]

X
Y

Y
Y2
2( 1 2 ) X 2
2

f XY ( x, y ) =

2 ( 1 2 ) X Y

1
2( 1 2 ) 2
X

1 (y Y )2
X
(y Y ) )
x ( X

2
Y2

Integrando-se fXY(x,y), em relao a x obtem-se fY(y)

XY ( x,

y )dx =

fY ( y ) =

1
2 Y

(y Y )2

2 Y2

f XY ( x, y )dx =

2( 1 2 ) X

1
2 Y2

1
X
(y Y )
x ( X
2
2
Y

2( 1 ) X

( y Y ) 2 / 2 Y2

dx

N ( Y , Y2 ),

Seguindo o mesmo procedimento obtm-se fX(x).

f X ( x) =

f XY ( x, y )dy =

1
2 X2

2
( x X ) 2 / 2 X

N ( X , X2 ),
12

A notao, N ( X , Y , X2 , Y2 , ) ser usada para

representar duas variveis aleatrias conjuntamente
gaussianas ou normais.
Concluso:
Pode-se concluir, que o conhecimento isolado das funes
densidade de probabilidade marginais no diz nada a
respeito da funo densidade de probabilidade conjunta.
A nica situao em que o conhecimento das funes
densidade de probabilidade marginais, pode ser usada para
determinar a funo densidade de probabilidade conjunta
quando as variveis aleatrias so independentes, como ser
mostrado em seguida.
13

Variveis Aleatrias Independentes

Definio: As variveis aleatrias X e Y so denominadas
de estatisticamente independentes, se os eventos {X ( ) A}
e {Y ( ) B} so eventos independentes para quaisquer
subconjuntos mapeados no eixo x e y, respectivamente.
Portanto, se os eventos {X ( ) x} e {Y ( ) y}, so
independentes, ento pode-se escrever
P(( X x) (Y y)) = P( X x) P(Y y)

isto :

FXY ( x, y) = FX ( x) FY ( y)

ou equivalentemente, se X e Y so variveis aleatrias

independentes, ento
f XY ( x, y) = f X ( x) fY ( y).

14

Se X e Y so v.a. do tipo discreta, ento a Independncia

implica em
P( X = xi , Y = y j ) = P( X = xi ) P(Y = y j ) para todo i, j.
Dado f XY ( x, y ), obtm-se as f.d.p.s marginais f X (x ) e fY ( y )
verifica-se a relao de Independncia, isto :
Se f XY ( x, y) = f X ( x) fY ( y) as v.a. X e Y so independentes
Se f XY ( x, y) f X ( x) fY ( y) as v.a. X e Y no so independentes
No caso de duas variveis aleatrias conjuntamente
2
2
N
(

normais,
X
Y
X
Y , ) como visto no exemplo 4.3,
elas sero independentes, se somente se = 0.
f XY ( x, y ) =

1
2 X Y

1 ( x X ) 2 ( y Y ) 2
+
2 X2
Y2

15

Variveis aleatrias conjuntamente gaussianas

1

f XY ( x, y ) =

2 X Y 1 2

f XY ( x, y ) =

Se = 0.

( x X ) 2 2 ( x X )( y Y ) ( y Y ) 2

+
2
XY
2(1 ) X2
Y2
e
1

1
2 X Y

1 ( x X ) 2 ( y Y ) 2

+
2 X2
Y2

Determinao das f.d.p.s marginais

f X ( x) =

XY ( x,

y )dy =

1
2 X

f y ( y) =

XY

( x, y )dx =

1
2 Y

( x X )2
2 X2

( y Y ) 2

2 Y2

2 Y

1
2 X

( y Y ) 2

2 Y2

dy =

( x X )2
2 X2

dx =

1
2 X

1
2 Y

( x X )2

2 X2

( y Y ) 2
2 Y2

Como f XY ( x, y) = f X ( x) fY ( y) conclui-se que X e Y so independentes

obs. fXY(x,y) apresenta simetria circular quando = 0.
16

Exemplo 4.4: Dado

xy 2 e y , 0 < y < , 0 < x < 1,

f XY ( x, y) =

outros valores.
0,

Determine se X e Y so independentes.
+

Soluo:

f X ( x ) = f XY ( x, y )dy = x y 2e y dy
0

= x 2 ye
+ 2 ye y dy = 2 x, 0 < x < 1.
0
0

Similarmente:
Neste caso

fY ( y ) =

1
0

y2 y
f XY ( x, y )dx =
e , 0 < y < .
2

f XY ( x, y) = f X ( x) fY ( y),

e ento X e Y so variveis aleatrias independentes.

17